视觉学习笔记3——复现GSDT，且代码解读
文章目录
- 一、GSDT是什么？
- 二、搭建GSDT
-
- 1.硬件
- 2.读入数据
- 3、搭建GSDT环境
- 三、报错解决：
-
- 错误一：
- 错误二：
- 四、复现：
- 代码解读：
-
- if __name__ == '__main__'
- main（）
- 有待更新。。。
一、GSDT是什么？
GSDT使用图神经网络进行联合目标检测和多目标跟踪
论文下载
原作展示
MOT排名
开源地址
介绍
对象检测和数据关联是多对象跟踪 (MOT) 系统中的关键组件。尽管这两个组件相互依赖，但先前的工作通常单独设计检测和数据关联模块，这些模块以不同的目标进行训练。因此，我们无法反向传播梯度并优化整个 MOT 系统，从而导致次优性能。为了解决这个问题，最近的工作在联合 MOT 框架下同时优化检测和数据关联模块，这在两个模块中都显示出改进的性能。在这项工作中，我们提出了一种基于图神经网络 (GNN) 的联合 MOT 方法的新实例。关键思想是 GNN 可以在空间和时间域中对可变大小对象之间的关系进行建模，这对于学习用于检测和数据关联的判别特征至关重要。通过对 MOT15/16/17/20 数据集的大量实验，我们证明了我们基于 GNN 的联合 MOT 方法的有效性，并展示了检测和 MOT 任务的最新性能。
二、搭建GSDT
1.硬件
电脑一台
显卡（我用的是1060Ti）
2.读入数据
- Linux系统
- Ubuntu18，NVIDIA，cuda10.1，cudnn，pycharm，anaconda3，pytorch（具体安装方法可以看我以前的博客）
3、搭建GSDT环境
首先去把项目源文件下载下来
在完成第二步基础环境的搭建后，开始搭建它独有环境。
-
虚拟环境
创建一个新的anaconda虚拟环境conda create -n （自定义环境名） python=3.6激活进入虚拟环境：
source activate（自定义环境名） -
安装依赖包
在项目源文件中整合了几个依赖包文件requirements.txt、 install_pyg.sh，我们只需要进入对应文件夹下指令安装就可以了# 一些基本的库 pip install requirements.txt
# PyTorch Geometric包，用于搭建图神经网络架构 bash install_pyg.sh <CUDA_version> ##是指CUDA=$1读取的参数 ##比如cuda安装的是10.1版本那就把改成cu101 
#安装DCNv2网络架构 cd ./src/lib/models/networks/DCNv2 bash make.sh
#要自动将输出跟踪生成为视频，请安装 ffmpeg conda install ffmpeg=4.2.2#当你出现下面的错误1时，请安装cudatoolkit10.0，非必须 conda install cudatoolkit=10.0具体安装包依赖库看下图
-
数据准备
准备2DMOT15和MOT20数据，可以直接从MOT Challenge网站下载（
进不去的话可能需要梯子），每个目录格式如下：MOT15 |——————images（新建文件夹） | └——————train（移入） | └——————test（移入） └——————labels_with_ids（新建文件夹） └——————train（新建文件夹） MOT20 |——————images（新建文件夹） | └——————train（移入） | └——————test（移入） └——————labels_with_ids（新建文件夹） └——————train（新建文件夹）还要去相应地更改 src/gen_labels_15.py 和 src/gen_labels_20.py 中的 seq_root 和 label_root，并运行：
cd src python gen_labels_15.py python gen_labels_20.py按照以下链接下载并保存每个数据集的预训练权重（
进不去的话可能需要梯子）：
| 数据集 | 模型 |
|---|---|
| 2DMOT15 | 地址 |
| MOT17 | 地址 |
| MOT20 | 地址 |
三、报错解决：
错误一：
ImportError: libcudart.so.10.0: cannot open shared object file: No such file or directory
解决：
问题产生原因：
运行环境
cuda 10.1
cuda 与某些包版本不对应
方案：
在确定你的cuda安装正确，环境与动态链接库都没问题的情况下，可以尝试进行以下操作。 cudatoolkit是一个动态库，主要包含的是支持已经编译好的 CUDA 程序运行的相关的动态链接库。
（由于我是在anaconda虚拟环境中建立工程，因此只需要）
conda install cudatoolkit=10.0
错误二：
PermissionError: [Errno 13] Permission denied: ‘/data’
解决：
问题产生原因：
osp.join拼接的文件路径不对，MOT文件放置的地方不对。文件路径问题比较常见举此一例，其他的也是如此处理。
方案：
检查代码可得，代码要求MOT文件放在src/data/下，另外src/lib/cfg/mot15.json文件的"root":“/data"应该改为"root”:“./data”。之后就可以成功下载dla34-ba72cf86.pth预训练文件了
四、复现：
#运行以下命令之一来重现我们论文在 MOT 挑战赛上的跟踪性能。
cd ./experiments
track_gnn_mot_AGNNConv_RoIAlign_mot15.sh <path/to/model_mot15>
track_gnn_mot_AGNNConv_RoIAlign_mot17.sh <path/to/model_mot17>
track_gnn_mot_AGNNConv_RoIAlign_mot20.sh <path/to/model_mot20>
代码解读：
根据作者github最后一段的命令，开始我们的复现：
cd ./experiments
track_gnn_mot_AGNNConv_RoIAlign_mot15.sh <path/to/model_mot15>
track_gnn_mot_AGNNConv_RoIAlign_mot17.sh <path/to/model_mot17>
track_gnn_mot_AGNNConv_RoIAlign_mot20.sh <path/to/model_mot20>
根据.sh命令打开track_gnn.py，直奔if __name__ == '__main__'。
if name == ‘main’
如果.sh命令后面接的是model_mot15模型地址的话，那么将会执行这段：
if opt.test_mot15:
# 三引号是指多行字符输入可直接回车，不需要转行字符\n
seqs_str = '''ADL-Rundle-1
ADL-Rundle-3
AVG-TownCentre
ETH-Crossing
ETH-Jelmoli
ETH-Linthescher
KITTI-16
KITTI-19
PETS09-S2L2
TUD-Crossing
Venice-1'''
config_path = './lib/cfg/mot15.json'
# json.load()是用来读取文件的，即，将文件打开然后就可以直接读取
data_config = json.load(open(config_path))
seq2conf = data_config['test_confs']
data_root = f"{data_config['root']}/MOT15/images/test"
det_root = f"{data_config['root']}/MOT15/images/test"
读取并修改了.json文件，然后继续执行：
if not opt.eval_from_file_only:
main(opt, seq2conf,
data_root=data_root,
det_root=det_root,
seqs=seqs,
exp_name=opt.exp_name,
show_image=False,
save_images=opt.save_images,
save_videos=opt.save_videos)
带着它的参数们进入main()
main（）
1、首先输出一下代码信息
2、拼接路径